资源描述：
《利用量子遗传算法改进BP学习算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、2009年第5期计算机系统应用¹利用量子遗传算法改进BP学习算法UsingQuantumGeneticAlgorithmtoImProveBPLearningAlgorithm阂泉叶水生郭荣传石海霞(南昌航空大学计算机学院江西南昌330063)、,,摘要:针对BP算法易陷入局部极小收敛速度慢的缺点根据量子遗传算法具有全局寻优的特点本文提一,出了一种新的训练神经网络的混合算法一QGABP算法;通过算法比较和实例结果分析表明该算法加快了收敛速度、提高了收敛速度。一:关健词量子遗传算法遗传算法BP网络神经网络QGABP网络1引言,、近年来国际上掀起了一股人工神经网络研究,
2、。开发应用的热潮其应用已渗入到各个领域但是在,:实际应用中神经网络也暴露出一些自身固有的缺陷,。容易陷入局部极小收敛速度慢等量子遗传算法是基于量子计算原理的一种遗传算法,,图将量子计算与遗传算法相结合的一种优化方法1三层BP网络结构图,,具有种群规模小收敛速度快全局寻优能力强的特。因。点此可以用于优化神经网络1)Bp神经网路采用的算法是基于误差函数梯度下降的方向,,不具有本文利用量子遗传算法的独特属性来弥补神经网该算法实质上是单点搜索算法,;络存在的一些固有缺陷提出了一种新的混合训练算全局搜索能力一一Bp算法,。2)BP神经网络学习训练开始时网络的结构参数法QCA达
3、到优化网络的目的,因此结;是随机给定的果存在一定的随机性,网络的收敛速度较慢。2BP神经网络模型3)训练易陷入瘫痪Bp神经网络是目前应用最为广泛的一种神经网,,3量子遗传算法(QGA)络模型它是基于BP算法的多层前馈网络包括输入·,、。遗传算法I,2](GeneticAlgorithmGA)是模仿生物层输出层和一层或多层隐含层网络的输入层对应。于学习样本的各个属性,进化和遗传的过程来进行优化的一种搜索方法其基本输入层的数据经加权处理后,。第一过程是首先对问题的备选解进行编码形成基因编码传递给第一个隐含层的各个处理单元个隐含层,、、,,如此传递下串然后对该串进行选择交
4、叉变异等操作不断产处理后输出的数据输入到第二个隐含层,,。,。生新的个体并进行选优从而最终获得最优解去直至最后一个隐含层最后一个隐含层的输出经,加权处理后作为输出层的输入,。量子遗传算法本质上是一种遗传算法因而传统输出层输出最终结果,,,、遗传算法所能应用的领域量子遗传算法也适用由三层Bp网络的结构如图1所示包含输入层输出层和一个隐含层。于,。引入量子计算其效果明显优于传统进化算法,因此存在一些量子遗传算法的基本步骤41:由于BP网络是基于梯度下降法的13,不:。,足之处U取种群规模为N的初始种群Q(t)一般情况¹基金项目:江西省自然科学基金项目(0511072):
5、2008一10一21收稿时间ReS创灯ch叨dDevel叩ment研究开发53计算机系统应用2009年第5期,种群中全部染色体的所有基因()都被初始化为码时。可对更利于QGA算法与Bp算法的结合,();:脆瓜关键点将BP网络的权值和闺值按一定的顺序级,2)对初始种群每个个体实施一次测量得一个状,,联起来形成一个实数数组作为遗传算法的一个染色。,态P(t)测量(或选择状态)时是根据量子比特几率幅。。(“。’或。,)来选择相应基因位上的。体遗传操作在这样的染色体群中进行}}},“或,具体方}2)适应度函数的选择:0,,法为随机产生一个【1]数若它大于等于几率幅(或)衡量
6、Bp网络的性能的主要指标是网络的输出值,;,,。的值则测量结果取1否则取0(当然也可反之)。,与期望的输出值之间的误差平方和该误差平方和小,然后对这一组解进行适应度评估记录下最佳适应。则表示该网络性能好;度个体座位下一步演化的目标,;为f=卫L其中3)对各个状态计算适应度J+l,一,,,一e一少‘为”,4)记录最佳个体及其适应度值合客沁犷(i,‘,〔,习样本数沁)为5)while(不满足终止条件)do网络的输出值,y,,。(i)为期望输出值e(i)为两者的差begin3)量子旋转门调整策略t=t+1;,对种群Q(,在量子遗传算法中由于染色体处于叠加或纠缠t)中每个个
7、体实施一次测量得一,因此采用量子旋转门分别作用于各叠加和纠缠状态组状态P(t);。状态的方式实现更新种群的操作从而子代个体的产对每个状态计算适应度;,,生不是由父代种群决定而是由父代的最优个体及状依据一定的调整策略利用量子旋转门操作。,和量子非门对种群个体进行更新到子种群Q(t十1);态的概率幅决定遗传操作主要将量子旋转门作用于。叠加状态和纠缠状态的基态,,记录下最佳个体及其适应度使其相互干涉发生状,。End态改变从而更新各基态的概率幅因而量子旋转门,是量子遗传算法的关键直接影响到量子遗传算法的.4QGA和BP。算法的结合性能调整策略见15].41基本思想:关键
